4D SlingBAG：用于大规模动态3D光声迭代重建的时空耦合高斯球
计算机视觉与模式识别
2024-12-06 v1
摘要
大规模动态三维（3D）光声成像（PAI）在临床应用中具有重要意义。在实际实现中，大规模3D实时PAI系统通常利用稀疏二维传感器阵列，存在一定的角度缺失， necessitating 使用先进的迭代重建（IR）算法以实现定量PAI并减少重建伪影。然而，现有IR算法在多帧3D重建方面会导致极高的内存消耗和延长的计算时间，且对数据帧之间的时空连续性考虑不足。本文提出一种新方法，称为4D滑动高斯球自适应增长算法（4D SlingBAG），基于当前点云基于IR算法的滑动高斯球自适应增长（SlingBAG），该方法在IR方法中内存消耗最低。我们的4D SlingBAG方法将时空耦合变形函数应用于点云中每个高斯球，从而显式学习动态3D PA场景的变形特征。这使得能够高效表示各种生理过程（如脉动）或外部压力（如血渗实验）对动态3D PAI中血管形态和血流造成的变化，实现动态3D PAI的高效IR。仿真实验表明，4D SlingBAG实现了高质量的动态3D PA重建。相对于对每个帧单独使用SlingBAG算法进行重建，本方法显著降低了计算时间，同时保持极低的内存消耗。项目GitHub仓库如下：\href{https://github.com/JaegerCQ/4D-SlingBAG}{https://github.com/JaegerCQ/4D-SlingBAG}。
引用
@article{arxiv.2412.03898,
title = {4D SlingBAG: spatial-temporal coupled Gaussian ball for large-scale dynamic 3D photoacoustic iterative reconstruction},
author = {Shuang Li and Yibing Wang and Jian Gao and Chulhong Kim and Seongwook Choi and Yu Zhang and Qian Chen and Yao Yao and Changhui Li},
journal= {arXiv preprint arXiv:2412.03898},
year = {2024}
}